曹树金　赵浜　岳文玉等

DOI：10.3969 / j.issn.1008-0821.2021.12.002〔中图分类号〕G250.2 〔文献标识码〕A 〔文章编号〕1008-0821 （2021） 12-0017-11

我国正在实施创新驱动发展战略， 科技创新和基础研究是创新驱动发展战略的重中之重。创新是科学研究的核心，是学术论文的本质要求。学术论文通常结构严谨，内容蕴藏着研究者的研究成果及科学发现， 是科学研究工作的结晶， 理论和应用价值丰富。蕴含创新内容的学术论文是支持科技创新的主要情报源。

据统计，全球科技文献的生产数量已达百万级别， 且以每年3%左右的速度持续增长，学术文献海量且类型多样、分布分散。学术论文创新点的获取，一方面是为了提高科研用户的科研效率，缓解信息过载现象;另一方面，从宏观角度来看， 监测创新、促进创新是科学研究发展的本质要求， 而创新本身及其表述的复杂性和多样性又为识别创新要素增添了难度。

当前， 在自然语言处理和深度学习方面的研究进展为文本的多粒度挖掘和组织提供了技术支持。已有研究从事件文档和句子级别对创新特征的自动识别进行了探索， 但在实际应用的检索系统中，并没有实现对文献创新特征的检索功能，文献创新点与创新要素仍有待揭示和描述。因此， 有必要对学术论文的创新点进行深度挖掘，提取出其中的结构化信息， 揭示不同粒度创新点表述的关联并进行存储， 以满足科研用户获取创新情报的需求， 提升情报服务的能力。

1相关研究

1.1学术创新的含义与测度